fa معرفی سیستم فازی شبه چند جمله‌ای تاکاگی-سوگنو-کانگ با کاربرد در شناسایی سیستم و کلاس بندی الگو تخصصي Special پژوهشي Research paper در این مقاله به معرفی ساختاری نوین از سیستم‌ فازی تاکاگی-سوگنو-کانگ (TSK) که دارای بخش استخراج ویژگی در قسمت ورودی می‌باشد، می‌پردازیم. روش پیشنهادی تحت عنوانSemi-Polynomial data Mapping Fuzzy Inference System و به اختصار (SPMFIS) معرفی می‌شود. در روش پیشنهادی از یک نگاشت داده شبه چند جمله‌ای به منظور تبدیل ورودیهای اصلی به ورودیهای جدید با ابعاد کاهش یافته استفاده می‌شود. در گام بعد خروجی حاصل از نگاشت داده شبه چند جمله‌ای به عنوان ورودی سیستم فازی که در این مقاله از شبکه Adaptive Network Based Fuzzy Inference System (ANFIS) بدین منظور استفاده شده است به کار می‌رود. به منظور آموزش پارامترهای شبکه ANFIS و بخش نگاشت داده شبه چند جمله‌ای، از الگوریتم گرادیان نزولی استفاده شده است. همچنین به منظور بررسی کارایی روش مطرح شده، کاربرد آن در کلاس بندی چندین مجموعه داده استاندارد، شناسایی سیستم و پیش‌بینی سری زمانی مورد بررسی و آزمایش قرار گرفته است. نتایج حاصل از این شبیه‌سازی‌ها دلالت بر کارایی بالای روش مطرح شده در برابر روشهای مرسوم شناسایی و کلاس بندی دارد. In this study a new type of Takagi-Sugeno-Kang (TSK) type fuzzy system with dimension reduction section at the input stage called Semi-polynomial data Mapping Fuzzy Inference System (SPMFIS) is proposed. In the proposed method a semi-polynomial feature map is used to transform the input variables to new extracted features with low dimensions. At the next step, these new features are used as the input vector of ANFIS structure. Also gradient descent algorithm is chosen for training parameters of ANFIS and SPM parts of the proposed method. In order to evaluate the capability of the proposed method, its applications in classification of some different benchmark data sets, system identification, and time series prediction have been studied. The results show that the proposed method performs better than the conventional models in classification, identification and time series prediction. سیستم فازی TSK, کاهش ابعاد, الگوریتم گرادیان نزولی, کلاس‌بندی الگو, شناسایی سیستم و پیش‌بینی سریهای زمانی. TSK type fuzzy system, gradient descent algorithm, pattern classification, system identification and time series prediction 15 28 http://joc.kntu.ac.ir/browse.php?a_code=A-10-26-2&slc_lang=fa&sid=1 Arash Sharifi آرش شریفی a.sharifi@srbiau.ac.ir 1003194753284600277 1003194753284600277 Yes دانشگاه آزاد اسلامی، واحد علوم و تحقیقات Mahdi Aliyari Shoorehdeli مهدی علیاری شوره دلی m.aliyari@eetd.kntu.ac.ir 1003194753284600278 1003194753284600278 No دانشگاه صنعتی خواجه نصیر الدین طوسی Mohammad Teshnehlab محمد تشنه لب teshnehlab@eetd.kntu.ac.ir 1003194753284600279 1003194753284600279 No دانشگاه صنعتی خواجه نصیر الدین طوسی